基于功能性MRI的机器学习策略,用于预测心脏手术患者的术后妄想:对前性观察性研究的二次分析
Mei-Yan Zhou1, Yi-Bing Shi2, Sheng-Jie Bai2
1Department of Anesthesiology, Xuzhou Clinical College of Xuzhou Medical University, Xuzhou, Jiangsu 221009, China; Department of Anesthesiology, Xuzhou Central Hospital, Xuzhou, Jiangsu 221009, China.
Journal of clinical anesthesia
|February 14, 2025
概括
使用手术前功能性MRI扫描的机器学习模型可以预测心脏手术后的妄想. 这种方法可以识别高风险患者进行有针对性的干预,改善患者的治疗结果.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 手术后痴呆症是心脏手术后的常见和严重并发症.
- 它与患者不良结果和医疗保健成本增加有关.
- 需要预测模型来识别有风险的患者进行早期干预.
研究的目的:
- 开发和评估用于预测术后妄想的机器学习模型.
- 为了利用手术前获得的休息状态功能性MRI (fMRI) 数据.
- 识别可能受益于有针对性的预防策略的高风险患者.
主要方法:
- 一项涉及103名心脏手术患者的前性观察性研究的二次分析.
- 术前休息状态fMRI数据被分析为功能连接 (FC) 措施.
- 随机森林,逻辑回归和线性支向量机器模型被训练来使用FC和临床变量预测妄想.
主要成果:
- 使用FC度的随机森林模型仅基于fMRI数据就实现了高精度 (0.864) 和AUC (0.924).
- 用临床变量优化模型进一步提高了准确性 (0.879) 和AUC (0.928).
- 预测的关键大脑网络包括默认,环眼和前双眼网络.
结论:
- 手术前的功能性MRI数据,特别是FC测量,可以有效地预测术后妄想.
- 机器学习模型,特别是随机森林,在这个预测任务中表现出很高的准确性.
- 将fMRI与临床数据相结合,为在心脏手术后识别患有妄想风险的患者提供了强大的方法.
